MINIQMT 券商Level 2 数据获取问题
QMT 技术团队，您好！ 请问如果我想获取日内 level 2 的全部股票数据，比如说以下几类：
l2order - level2 逐笔委托
l2transaction - level2 逐笔成交
l2quoteaux - level2 实时行情补充（总买总卖）
l2orderqueue - level2 委买委卖一档委托队列
请问应该如何高效获取？（全量股票的实时 level 2）
对此有些困惑，文档中不建议订阅单股数量大于 50，但是却没有 L2 的全推订阅函数（subscribe_whole_quote 回调返回的是 tick 数据，而非 L2 逐笔成交数据）
请问应该如何高效获取全量股票的实时 level 2 数据，以逐笔成交订单为例（l2transaction）
我是应该先订阅全推行情（subscribe_whole_quote(code_list, callback=None)），然后使用 get_l2transaction 进行获取数据？
问题描述
解决方案
您好！关于在 MINIQMT/QMT 中高效获取全量股票 Level 2 数据的问题，以下是详细的解答与最佳实践建议：
1. 为什么不建议/不支持全量订阅 L2 逐笔数据？
首先，强烈不建议尝试实时全量订阅全市场（5000+只股票）的 Level 2 逐笔数据（l2order, l2transaction）。原因如下：
- 数据量极其庞大：全市场的 L2 逐笔委托和逐笔成交数据每天高达几十GB，盘中高峰期每秒推送的数据条数是海量的。
- 性能瓶颈：Python 的 GIL（全局解释器锁）机制决定了它在处理如此高频、海量的回调推送时，会产生严重的阻塞和延迟。如果强行全推，您的策略进程极大概率会卡死或内存溢出。
2. 您的设想可行吗？
您提到：“先订阅全推行情（subscribe_whole_quote），然后使用 get_l2transaction 进行获取数据”。
这种方式在实盘中是不可行的。 全推行情的回调频率极高，如果在每次 Tick 回调中再去调用接口拉取该股票的 L2 逐笔数据，网络 I/O 和接口调用的开销会瞬间压垮策略，导致严重的行情延迟，失去 L2 数据的时效性意义。
3. 高效获取 Level 2 数据的最佳实践
为了在 QMT/MiniQMT 中高效利用 L2 数据，建议采用以下几种替代方案：
方案一：使用 QMT 内置的 L2 聚合统计指标（强烈推荐）
QMT 官方为了解决 L2 逐笔数据量过大的问题，已经在服务端对逐笔数据进行了聚合统计，并提供了专门的周期类型。您可以直接获取这些加工好的高价值特征，而无需自己处理海量的原始逐笔明细。
根据 QMT API 文档，支持以下两种 L2 特色周期（需开通 Level-2 增强版权限）：
l2quoteaux：Level2 行情快照指标（包含委买委卖均价、总量、撤单总量/总额等）。l2transactioncount：Level2 大单统计（包含主买主卖的特大单、大单、中单、小单的成交量和成交额，以及资金博弈等指标）。
获取方式：
# 批量拉取截面 L2 统计数据
data = ContextInfo.get_market_data_ex(
fields=[],
stock_code=['000001.SZ', '600000.SH'],
period='l2transactioncount', # 或 'l2quoteaux'
count=1
)
print(data)
方案二：缩小目标股票池，精准订阅
如果您确实需要原始的逐笔数据（如 l2transaction），必须先通过其他逻辑（如基本面、昨日收盘量价、早盘集合竞价等）筛选出一个较小的目标股票池（建议 50-200 只以内），然后再对这个精简后的股票池进行 L2 数据订阅。
def on_l2_quote(datas):
# 处理 L2 推送数据
print(datas)
# 假设 target_pool 是您通过策略筛选出的 50 只活跃股票
target_pool = ['000001.SZ', '600000.SH', ...]
for code in target_pool:
# 订阅 L2 统计快照或逐笔数据（具体支持的 period 视您的权限和 xtquant 版本而定）
ContextInfo.subscribe_quote(code, period='l2transactioncount', dividend_type='none', callback=on_l2_quote)
方案三：定时轮询代替高频回调
如果您需要监控较多股票的 L2 状态，放弃实时回调（subscribe_quote），改用定时器（如每 3 秒或 5 秒）批量拉取（get_market_data_ex）当前截面的 L2 聚合数据。这样可以有效控制 CPU 和网络负载。
总结
- 不要尝试全量实时订阅 L2 逐笔明细，架构上无法支撑。
- 优先使用
l2quoteaux和l2transactioncount这两个官方聚合好的 L2 周期数据。 - 必须结合股票池过滤，将 L2 数据的获取集中在策略真正关注的标的群上。